小编给大家分享一下python中DeepFakes的使用方法，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！
10多年的乳山网站建设经验，针对设计、前端、开发、售后、文案、推广等六对一服务，响应快，48小时及时工作处理。
网络营销推广的优势是能够根据用户设备显示端的尺寸不同，自动调整乳山建站的显示方式，使网站能够适用不同显示终端，在浏览器中调整网站的宽度，无论在任何一种浏览器上浏览网站，都能展现优雅布局与设计，从而大程度地提升浏览体验。
成都创新互联公司从事“
乳山网站设计”,“
乳山网站推广”以来，每个客户项目都认真落实执行。
目标
之前没碰过DeepFakes，突然想发B站视频玩儿一下。试了试还挺麻烦的，这里记录一下自己踩的坑。
本文的目标就是将The Singing Trump的视频换成我们的川建国同志。
最后效果：
视频链接：https://www.bilibili.com/video/BV12p4y1k7E8/
环境说明
本文尝试的环境为linux服务器的环境，因为跑得比较快吧。
Python环境：Anoconda python3.7版本
GPU：K80, 12G显存
DeepFake版本：2.0
其他工具：ffmpeg
素材准备
首先需要准备一个或者多个The Singing Trump的视频，以及川建国同志的视频。用作换脸素材。
视频切分
首先通过ffmpeg将视频素材切分成多个图片。
mkdir output
ffmpeg -i 你的视频.mp4 -r 2 output/video-frame-t-%d.png复制代码
这里视频不一定要mp4，其他格式也行，然后-r 2表示是2帧，也就是每秒钟采集两张图片，各位可以按照自己的视频尝试。 最后是输出到output文件夹里面，前缀随便定义就好了，名字也不是关键。
这里好多找几个视频，因为deepfake会提示要保证人脸个数大于200张才会比较好,我这里分别准备了3个视频，一共6个视频。
ffmpeg -i sing_trump1.mp4 -r 2 sing_trump_output/st1-%d.png
ffmpeg -i sing_trump2.flv -r 2 sing_trump_output/st2-%d.png
ffmpeg -i sing_trump3.mp4 -r 2 sing_trump_output/st3-%d.png复制代码
ffmpeg -i trump1.webm -r 2 trump_output/t1-%d.png
ffmpeg -i trump2.mp4 -r 2 trump_output/t2-%d.png
ffmpeg -i trump3.mp4 -r 2 trump_output/t3-%d.png复制代码
弄完了还挺大，乱七八糟加起来3.7个G。
clone代码+装依赖
这里没啥可说的，从github上下代码。
git clone https://github.com/deepfakes/faceswap.git复制代码
然后根据自己的实际情况装环境，我这里是现在PC上装cpu这个，然后在服务器上装nvidia。
抽取脸部
接下来将所有的脸部抽出来。
python3 faceswap.py extract -i trump_output -o trump_output_face
python3 faceswap.py extract -i sing_trump_output -o sing_trump_output_face复制代码
这里抽完了脸就是这样了。
筛选脸部
接下来需要手工把我们不需要的脸都删掉。
修改alignment
在我们调用extract生成脸部时，会自动生成一个校对文件，用于在原图上保存脸部的信息。
删除脸部之后，需要将脸部和原图片进行对齐。
这里可以打开gui工具
python3 faceswap.py gui复制代码
然后选择Tools下的Alignments。
接下来选择Remove-Faces，然后输入对齐文件路径，脸的路径，以及原图的路径。
然后点击绿色按钮开始，运行即可。
然后将sing_trump_out也执行同样的操作。
开始训练
接下来就可以开始训练了，-m参数为保存模型的位置。
python3 ./faceswap.py train -A sing_trump_output_face -ala sing_trump_output/alignments.fsa -B trump_output_face -alb trump_output/alignments.fsa -m model复制代码
小问题
这里如果用gpu的话，我发现tensorflow2.2开始要用cuda10.1以上，但我这边儿没法装，所以需要用tensorflow1.14或者tensorflow1.15，这就需要deepfake的1.0版本才能用。
github.com/deepfakes/f…
训练截图
我发现faceswap1.0和master分支的操作是一样的，没太大变化。
我这里的速度大概是2分钟100个step。
转换视频
准备视频帧
首先要准备我们要转换的视频，然后把视频切分，这里就不是按照之前的帧数了。
ffmpeg –i sing_trump2.flv input_frames/video-frame-%d.png
复制代码
这里我的视频是1分41秒。
转换完了大概有3050张图片，也就是差不多30帧的，然后一共7.1G（mac就256G真的有点儿遭不住）
再次对齐一遍
接下来，需要对我们要转换的视频图片再来一遍人脸对齐，首先抽脸。
python3 faceswap.py extract -i input_frames -o input_frames_face复制代码
然后再把多余的脸删掉，像前面的步骤一样的操作用gui工具选择Remove-Faces，然后进行对齐。
对每一帧进行AI换脸
通过convert命令进行转换
python3 faceswap.py convert -i input_frames/ -o output_frames -m model/复制代码
我这里的速度大概是每秒1张图片，不过真正的脸只有600多张，如果脸比较密集的话我估计可能没有那么快，所有的图片转换完大概是5分多钟（这个gpu当时有别的程序在跑真实可能会更快一点儿）。
效果
训练20分钟后
在训练了1200step之后，大概是这个样子，效果看着还不是很好哈，不过已经有点儿意思了。
训练一个小时后
训练一天以后
把图片合成视频
最后通过ffmpeg把图片合成一个视频。
ffmpeg -i output_frames/video-frame-%d.png -vcodec libx264 -r 30 out.mp4复制代码
这里合并完了我发现是2分钟，不过影响也不大，毕竟后面还要进行剪辑，用PR等软件再编辑一下就好了。
以上是python中DeepFakes的使用方法的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注创新互联行业资讯频道！
网站栏目：python中DeepFakes的使用方法-创新互联
标题链接：
http://cdkjz.cn/article/dsjepj.html
